Name: Eine strukturierte Rehabilitation Protokoll zur Verbesserung der Multifunktions Prosthetic Steuerung: Eine Fallstudie (Video) | JoVE Journal
Uploaded: 2015-11-06T16:00:00.000+00:00
Duration: 6 min 58 s
Description: Lernen Sie ein strukturiertes Rehabilitationsprotokoll zur Verbesserung der multifunktionalen Prothesensteuerung bei Oberarmamputierten durch Imitation, Wiederholung und Verstärkungslernen.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Die Autoren danken Herrn Hans Oppel und seine Prothesentechniker der Otto Bock Healthcare Products GmbH zur Herstellung der Buchse durch den Teilnehmer in dieser Studie danken. Diese Studie wurde von der European Research Council (ERC) über den ERC Advanced Grant DEMOVE (No. 267888), der Rat für Forschung und Technologieentwicklung, und dem österreichischen Bundesministerium für Wissenschaft, Forschung und Wirtschaft unterstützt.

Diese Studie wurde in Übereinstimmung mit der Deklaration von Helsinki durchgeführt, sind die lokalen Forschungsethikkommission genehmigt. Die Studie wurde in allen Einzelheiten zu dem Teilnehmer vor Beginn erläutert, so dass die Teilnehmer die Zeit, um abzuwägen, die Entscheidung, freiwillig an der Studie teil und seine Beteiligung informiert, schriftliche Zustimmung bestätigen. Hinweis: Ein Mann, der im Alter von 27 Jahre, nahmen an der Studie. Der Teilnehmer hatten normale Vision wurde ein links unten-Ellbogen Amputierten und war ein erfahrener Benutzer (4 Jahre Gesamtprothese die Anwendung). Vor Beginn dieser Studie die Prothese er auf einer täglichen Basis verwendet wurde, war ein 4-Kanal myoelektrischen Prothesenhand mit Handgelenkdrehung für 12-15 Stunden pro Tag für 15 Monate. Der Teilnehmer der rechten Hand hatte zuvor chirurgisch rekonstruiert, hatte aber keine andere physikalische oder neurologische Beeinträchtigung. 1. Studiendesign <ol><li> Teilen Sie die Studie über zwei Sitzungen: na39; ve Nutzung, und verwenden Sie folgenden strukturierten Ausbildung. Hinweis: Dies ist, um intraindividuelle Vergleich vor und nach dem Training bzw. zu ermöglichen. </li><li> Sicherzustellen, dass diese zwei Sitzungen gibt mindestens drei Monate auseinander liegen, so dass sie als voneinander unabhängig behandelt werden. </li><li> Am Anfang der beiden Sitzungen passen eine individuelle Schaftprothese und dem Teilnehmer. Stellen Sie sicher, dass die prothetische Hardware und Regelalgorithmen mit denen in den Materialien dieses Protokolls aufgeführt. Stellen Sie sicher, dass der Teilnehmer nicht in der Lage, um die maßgeschneiderte Prothese in der Zwischenzeit zwischen den Sitzungen zu verwenden. </li><li> Trainieren Sie den Patienten nach den Schritten im Naive Session und Strukturierte Schulungssitzung Abschnitten dieses Protokolls aufgeführt. Zu Beginn eines jeden dieser Sitzungen, kalibrieren Sie den prothetischen Hardware. Mit den gesammelten Kalibrierdaten für Echtzeit-Prothesensteuerung. </li><li> Sobald das Naive Session und Strukturierte Schulungssitzung abgeschlossen sind, beurteilen die participant Leistung mit der Southampton Hand Bewertungsverfahren (SHAP) Ergebnis Maßnahme. 23 Vergleichen Sie die SHAP Partituren zu einer Baseline-Messung unter Verwendung von Standard-Prothese des Teilnehmers (vor entweder Schulungen erhalten). </li></ol> 2. Materialien <ol><li> Montieren Sie den Teilnehmer mit einem speziell angefertigten Sockel. Bringen Sie einen handelsüblichen Prothese nach Herstellerangaben. Bestücken Sie die Handprothese mit Prototyp-Komponenten, die betätigt Handgelenk Flexion, Extension und Rotation zu ermöglichen. Dies ermöglicht es dem Teilnehmer, die Hand mit 3,5 Freiheitsgraden (DoFs) (Tabelle 1) zu steuern. Hinweis: Bei diesem Experiment ein Michelangelo Hand (siehe Materialliste) verwendet wurde. Andere Endgeräte in der Lage Handgelenk Rotation, Flexion und Extension zusammen mit Standard-Griff-Funktionen wäre auch sinnvoll sein. </li><li> Nehmen EMG-Signale mit acht äquidistant platziert Rohsignal Elektroden um den Stumpf,und ein On-Board-Decodiersystem mit der Abtastrate von 1000 Hz digitalisiert und mit 10-Bit-Tiefe. Führen Sie die anfängliche Filterung und Verstärkung in den Elektroden selbst nach den Vorgaben des Herstellers. Verwenden Sie einen Personalcomputer (PC), um die Hauptverarbeitung, die mit Erfassungshardware kommuniziert und steuert die Prothese über eine drahtlose Verbindung durchzuführen. Hinweis: In dieser Studie wurden von Otto Bock die Oberflächen EMG-Elektroden und On-Board-Entschlüsselungssystem (AxonBus) verwendet. Andere Hersteller von ähnlichen Geräten wäre auch sinnvoll sein. Die WLAN-Verbindung war über Bluetooth, und ebenso andere Modalitäten angewandt werden könnten. </li></ol> 3. Regelalgorithmus <ol><li> Verwenden Sie einen Steueralgorithmus, der gleichzeitige und proportional Prothesensteuerung über mehrere DoFs bietet. 21. Die in dieser Studie verwendeten Algorithmus wurde ein zweistufiger Entscheidungs ​​Paradigma, so dass kontextabhängige Bewegungsschätzung nicht möglich war. </li><li>Beim Systemtraining, das alle steuerbaren Einzel DoF Bewegungen enthält, notieren Sie einen eingehenden Elektromyogramm (EMG). </li><li> In der ersten Stufe, zu bewerten intrinsische dreidimensionale Informationen des beabsichtigten Bewegung basierend auf der Mahalanobis-Distanz der neu berechnete EMG-Merkmalsvektor aus den Trainingsdaten. Machen Sie eine Entscheidung getroffen, ob die Absicht des Benutzers wurde zu einem feinen 1-DoF oder eine gröbere gleichzeitige 2-DoF Bewegung durchführen. Hinweis: Mahalanobis-Distanz eines Merkmalsvektor x zu Klasse i mit dem Klassenmittelwertvektor μ i und Kovarianzmatrix Σ i wird wie folgt berechnet: <img alt="Gleichung 1" src="/files/ftp_upload/52968/52968eq1.jpg" /> Wie in Amsuess et al beschrieben ist, wird der neu berechnete Merkmalsvektor zu der hochdimensionalen Raum und der Mahalanobis-Distanz von dem transformierten Punkt irgendeinem der ausgebildeten Punkte der Klasse zugeordnet ist, als Maß für die Neuheit entnommen. 21 eine empirischermittelten Schwellen diesem Abstand ergibt die Entscheidung für die Neuheit (2-DOF) oder nicht (1-DOF). </li><li> In der zweiten Stufe, auf der Grundlage der früheren Entscheidung, eine der zwei parallelen Schätzer - ein Umgang mit den aufeinanderfolgenden Bewegungen (SEQ-E) und den anderen Umgang gleichzeitige Bewegungen (SIM-E) - um die Steuersignale für die Prothese zu schaffen. Anmerkung: SEQ-E ist im wesentlichen ein Proportional-Schätzer (dh die Stärke der Muskelkontraktion), die auf gemeinsamen räumlichen Muster (CSP) 21, während die SIM-E ist eine lineare Regressor, der gleichzeitig lenkt 2 DoFs des Handgelenks. </li></ol> 4. Software Framework Hinweis: Die Software-Framework in dieser Studie erlaubt Handhabung der Kommunikation zwischen der prothetischen Hardware und der Embedded-Steuerungsalgorithmus verwendet. Es auch optisch unterstützenden Trainingswerkzeuge für die Maximierung der Teilnehmer Schulungsaufwand angeboten. <ol><li> Zeigen Sie den quadratischen Mittelwert (RMS) der EMG Signale von den 8 gleichmäßig beabstandeten Elektroden in Form einer Ortskurve der EMG-Amplitude als Funktion der Elektroden Stelle gesammelt. Diese visuelle Rückkopplung ermöglicht eine einfache Überwachung der räumlichen Verteilung der EMG in der Querebene des Unterarms. Verwendung einer derartigen Einrichtung kann jede der Bewegungen des Benutzers, wodurch ein bestimmtes Muster 22 hervorzurufen in der Ortskurve, die dann gespeichert und verwendet, um die Reproduzierbarkeit des spezifischen Geste ausbilden kann. Anmerkung: Der Rahmen ermöglicht die Sammlung von EMG-Daten im Standardmustererkennungs Weise 23 für jeden der Kanäle die RMS-EMG als 40 msec berechnet. <img alt="Gleichung 2" src="/files/ftp_upload/52968/52968eq2.jpg" /> was zu Beobachtungen für jedes Ensemble Fenster. </li><li> Für anfängliche Kalibrierung sammeln die maximale langfristige freiwillige Kontraktion Werte (MLVC) für jeden beabsichtigten Bewegung. Fordert den Teilnehmer unter Verwendung der Hand des Demonstrators zu erfüllendie gewünschte Bewegung und gibt Vokal- und visuelle Anweisungen für 5 Sekunden. </li><li> Nach der Kalibrierung stellen die Teilnehmer mit einer Reihe von trapezförmigen Cues. Diese Kraftprofile enthalten Plateaus Satz bei 30%, 60% und 90% des kalibrierten Maximal. </li><li> Innerhalb jeder Studie, weisen Sie den Teilnehmer, den roten Zeiger entlang der Cue durch Modulation der Kraftniveau der Aufforderung Bewegung (Abbildung 1) zu steuern. Die vertikale Position des Zeigers entspricht der aufsummierten Effektivwerte für alle acht Kanäle. Stellen Sie die Dauer des Verfahrens bis 5 s mit Plateau Intervall entsprechend der Mitte 3 Sek. </li></ol> 5. Naive Session Hinweis: Während der naive Training hatte die Teilnehmer keine vorherige Erfahrung des Prothesensteuerungsschema in dieser Studie verwendet. <ol><li> Geben Sie nicht dem Teilnehmer eine formale klinische Ausbildung, sondern nur anzuweisen, dass 8 Maßnahmen des Stumpfes, eines davon ist ein Ruhezustand,die Steuerung eines visuellen Ziels auf einem Computer-Bildschirm zu ermöglichen. Diese Aufgaben sind ähnlich denen in der klassischen Mustererkennung verwendet Ansätze für Prothesensteuerung 23, und für die Methoden der Teilnehmer in dieser Studie hatten etwa 60 h der bisherigen Erfahrungen. </li><li> Zeigen Sie die erforderlichen Bewegungen auf dem Bildschirm in Form von Text und ein statisches Bild, während nach einer visuellen Hinweis (Abbildung 1). </li><li> Zeigen Sie der Teilnehmer seinen EMG Aktivierungsmuster, die zu acht spezifischen und einzigartigen Polardiagramme (Abbildung 2) entsprechen. </li><li> Verwenden akustische Anweisungen, um die Teilnehmer zu ermutigen, die visuellen Hinweis zu folgen. Diese akustische Anweisungen müssen identisch sein, wenn in der strukturierten Trainingseinheit verwendet. </li><li> Wiederholen Sie die Aufgaben dreimal mit verschiedenen Arm-Positionen (entspannt und erreichte vor und erreichte gegenüber), um die Systembildung. Denken Sie daran, dass es 8 verschiedene Aktionen und drei Kraftwerken, sobald alle arm Positionen gedeckt sind,System Trainingseingabe fasst an die insgesamt 72 Einzelproben. </li><li> Wenn Sie fertig sind, ermöglichen dem Teilnehmer die Möglichkeit, Echtzeit-Kontrolle vor dem Abschluss der SHAP Erfolgskontrolle üben. </li><li> Sicherstellen, dass die Teilnehmer keinen Zugriff auf die maßgeschneiderte Prothese und Regelalgorithmen über das Ende des naiv-Sitzung. </li></ol> 6. Strukturiertes Training Session <ol><li> Drei Monate nach dem naiv-Sitzung, führen einen strukturierten Trainingseinheit. </li><li> Strukturieren Sie die Sitzung in den folgenden geordneten Schritten (Abbildung 3): <ol><li> Zur Nachahmung, weisen Sie den Teilnehmer direkt imitieren die gewünschten acht Aktionen (Tabelle 1) von der Demonstrator in Echtzeit durchgeführt. Führen Sie jede Aktion für 3 Sekunden. </li><li> Für die Wiederholung, bitten Sie die Teilnehmer, um die Aktion, die 10 Mal nachgeahmt wurde wiederholt, so dass jede Aktion wird für 30 Sekunden durchgeführt. </li><li> Zur Verstärkung &amp; Computer system Training, fragen Sie die Teilnehmer nun eine visuelle Rückmeldung des Computers zu engagieren, das ist genau die gleiche Einstellung wie die Naive Sitzung. Sicherzustellen, dass es keinen Unterschied zwischen diesen beiden Abschnitten. </li><li> Für Prothesensteuerung, bitten Sie den Teilnehmer, Echtzeit-Steuerung der Prothese angefertigt, bevor Sie die Erfolgskontrolle zu üben. </li></ol></li><li> Während Nachahmung, sitzen die Teilnehmer in einem 45 ° Winkel von der Demonstrator und bieten mit einem vollen und ungehinderten Blick auf die Hand des Demonstrators Anpassung der betroffenen Seite des Teilnehmers während aller Aktionen (Abbildung 4). Keine visuelle Hinweise von einem Computer-Bildschirm zur Verfügung stehen sollte dem Teilnehmer zu diesem Zeitpunkt. </li><li> Für die Wiederholung, während der Aktionen der Teilnehmer, haben der Demonstrator beachten Sie die entsprechenden EMG-Aktivität, wie durch die Polardiagramme jeder Bewegung (Abbildung 4) vertreten. Sobald der Demonstrator hat, dass der TEILNEHMER bestimmtt können einzigartige und wiederholbare EMG Aktivierungsmuster für jede Bewegung zu erzeugen, bitten Sie den Teilnehmer, um die Aktionen für 30 s ohne visuelle Hinweise zu wiederholen. Hinweis: Es gibt insgesamt 8 einzigartige Aktionen - sieben von ihnen (Handgelenk Pronation / Supination Handgelenk Flexion / Extension, Hand geöffnet, Schlüsselgriff und feine Prise) Muskelaktivierung erfordern, und der achte wobei keine Aktion, die einen stetigen entspannten Zustand darstellt. </li><li> Nach der Verstärkung &amp; Computersystem Ausbildung, präsentieren die Teilnehmer mit visuellem Feedback seiner acht Aktionen, genau so, wie in der naiv-Sitzung, die zu den acht einzigartigen und spezifischen Polardiagramme auf dem Bildschirm entsprechen (Abbildung 3) zu sehen. Zur Optimierung der Leistung, fragen Sie die Teilnehmer, die Handlungen, während Sie die Echtzeit-Polardiagramme mit aufgezeichneten Bewegungsüberlagerungen zum Lernen zu stärken, in der Regel zwischen 2-4 Versuche für jede Bewegung durchzuführen. Einmal überzeugt, kann der Teilnehmer führen Sie die gleichen Aufgaben, die perf waren<html> ORMED in der naiv-Sitzung. </li></ol> 7. Prothesensteuerung <ol><li> Nutzen Sie die Trainingsdatensätze aus jeder Sitzung zu kalibrieren und die Prothese für die Echtzeitsteuerung. </li><li> Zunächst wird nur erlauben dem Teilnehmer, um die Prothese durch aufeinanderProportionalSteuerung, dh eine Bewegung in einer Zeit, mit der Geschwindigkeit der Vorrichtung im Verhältnis zu den Ebenen der Muskelkontraktion zu steuern. </li><li> Sobald jeder der acht Aktionen werden in eine wiederholbare und zuverlässige Weise durchgeführt wird, schaltet das Steuersystem eine proportionale und gleichzeitige Steuerung, so dass mehr als eine Bewegung des Handgelenks zu einem Zeitpunkt. </li><li> Haben die Teilnehmer der Praxis einfache Aufgaben wie Kommissionierung eine Flasche und legte sie auf die Seite (2 Versuche ist ausreichend). Lassen Sie eine Zeit der Ruhe, bevor die Erfolgskontrolle durchgeführt wird. Im Falle dieser Studie 2 h ruhen sollte die naive Sitzung und 24 h ruhen sollte die strukturierte Sitzung. </li></ol>itel &quot;&gt; 8. Outcome Measurement <ol><li> Werten Sie globalen oberen Extremität Funktion sowohl in den naiven und strukturierte Schulungen mit dem SHAP, die Hand und der oberen Extremität Funktion eng mit Aktivitäten des täglichen Lebens (ADL) im Zusammenhang überwacht. Die in der SHAP ausgeführten Aufgaben zählen Manipulations leichten und schweren Gegenständen sowie Aufgaben der ADL, wie beispielsweise Schneiden eines Objekts mit einem Messer oder zum Verhängnis Tasten. Die SHAP hat zur Beurteilung der pathologischen und Handprothese Funktion validiert. 24 Hinweis: Diese Messung wurde gewählt, weil der Teilnehmer in dieser Studie war routinemäßig mit diesem Ergebnis Maßnahme von seiner klinischen Team folgte. </li></ol>

<ol><li>Forssberg, H., Eliasson, A. C., Kinoshita, H., Johansson, R. S., Westling, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+human+precision+grip.+I%3A+Basic+coordination+of+force%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">Development of human precision grip. I: Basic coordination of force.</a> Experimental Brain Research. 85 (2), 451-457 (1991).</li>
<li>Forssberg, H., Kinoshita, H., Eliasson, A. C., Johansson, R. S., Westling, G., Gordon, A. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+human+precision+grip.+II.+Anticipatory+control+of+isometric+forces+targeted+for+object%E2%80%99s+weight%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">Development of human precision grip. II. Anticipatory control of isometric forces targeted for object’s weight.</a> Experimental Brain Research. 90 (2), 393-398 (1992).</li>
<li>Gordon, A. M., Forssberg, H., Johansson, R. S., Eliasson, A. C., Westling, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+human+precision+grip.+III.+Integration+of+visual+size+cues+during+the+programming+of+isometric+forces%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">Development of human precision grip. III. Integration of visual size cues during the programming of isometric forces.</a> Experimental Brain Research. 90 (2), 399-403 (1992).</li>
<li>Forssberg, H., Eliasson, A. C., Kinoshita, H., Westling, G., Johansson, R. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+human+precision+grip.+IV.+Tactile+adaptation+of+isometric+finger+forces+to+the+frictional+condition%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">Development of human precision grip. IV. Tactile adaptation of isometric finger forces to the frictional condition.</a> Experimental Brain Research. 104 (2), 323-330 (1995).</li>
<li>Eliasson, A. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Development+of+human+precision+grip.+V.+anticipatory+and+triggered+grip+actions+during+sudden+loading%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">Development of human precision grip. V. anticipatory and triggered grip actions during sudden loading.</a> Experimental Brain Research. 106 (3), 425-433 (1995).</li>
<li>Roche, A. D., Rehbaum, H., Farina, D., Aszmann, O. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prosthetic+Myoelectric+Control+Strategies+A+Clinical+Perspective%5BTitle%5D)+AND+%22Current+Surgery+Reports%22%5BJournal%5D)">Prosthetic Myoelectric Control Strategies A Clinical Perspective.</a> Current Surgery Reports. 2 (44), (2014).</li>
<li>Buccino, G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Neural+circuits+underlying+imitation+learning+of+hand+actions%3A+An+event-related+fMRI+study%5BTitle%5D)+AND+%22Neuron%22%5BJournal%5D)">Neural circuits underlying imitation learning of hand actions: An event-related fMRI study.</a> Neuron. 42 (2), 323-334 (2004).</li>
<li>Saunders, J. A., Knill, D. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Humans+use+continuous+visual+feedback+from+the+hand+to+control+fast+reaching+movements%5BTitle%5D)+AND+%22Experimental+Brain+Research%22%5BJournal%5D)">Humans use continuous visual feedback from the hand to control fast reaching movements.</a> Experimental Brain Research. 152 (3), 341-352 (2003).</li>
<li>Rizzolatti, G., Craighero, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+mirror-neuron+system%5BTitle%5D)+AND+%22Annual+Review+of+Neuroscience%22%5BJournal%5D)">The mirror-neuron system.</a> Annual Review of Neuroscience. 27, 169-192 (2004).</li>
<li>Maruishi, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Brain+activation+during+manipulation+of+the+myoelectric+prosthetic+hand%3A+a+functional+magnetic+resonance+imaging+study%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Brain activation during manipulation of the myoelectric prosthetic hand: a functional magnetic resonance imaging study.</a> NeuroImage. 21 (4), 1604-1611 (2004).</li>
<li>Cusack, W. F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Neural+activation+differences+in+amputees+during+imitation+of+intact+versus+amputee+movements%5BTitle%5D)+AND+%22Frontiers+in+Human+Neuroscience%22%5BJournal%5D)">A Neural activation differences in amputees during imitation of intact versus amputee movements.</a> Frontiers in Human Neuroscience. 6 (June), 182(2012).</li>
<li>Vogt, S., Buccino, G., Wohlschläger, A. M., Canessa, N., Shah, J. N., Zilles, K., Eickhoff, S. B., Freund, H. J., Rizzolatti, G., Fink, G. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Prefrontal+involvement+in+imitation+learning+of+hand+actions%3A+Effects+and+expertise%5BTitle%5D)+AND+%22Neuroimage%22%5BJournal%5D)">Prefrontal involvement in imitation learning of hand actions: Effects and expertise.</a> Neuroimage. 37 (4), 1371-1383 (2007).</li>
<li>Gonzalez-Rosa, J. J., Natali, F., Tettamanti, A., Cursi, M., Velikova, S., Comi, G., Gatti, R., Leocani, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Action+observation+and+motor+imagery+in+performance+of+complex+movements%3A+Evidence+from+EEG+and+kinematics+analysis%5BTitle%5D)+AND+%22Behavioural+Brain+Research%22%5BJournal%5D)">Action observation and motor imagery in performance of complex movements: Evidence from EEG and kinematics analysis.</a> Behavioural Brain Research. 281, 290-300 (2015).</li>
<li>Bekkering, H., Wohlschläger, A. M., Gattis, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Imitation+of+gestures+in+children+is+goal-directed%5BTitle%5D)+AND+%22The+Quarterly+Journal+of+Experimental+Psychology%22%5BJournal%5D)">Imitation of gestures in children is goal-directed.</a> The Quarterly Journal of Experimental Psychology. 53 (1), 153-164 (2000).</li>
<li>Catmur, C., Walsh, V., Heyes, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Associative+sequence+learning%3A+the+role+of+experience+in+the+development+of+imitation+and+the+mirror+system%5BTitle%5D)+AND+%22Philosophical+Transactions+of+the+Royal+Society+B%22%5BJournal%5D)">Associative sequence learning: the role of experience in the development of imitation and the mirror system.</a> Philosophical Transactions of the Royal Society B. 364 (1528), 2369-2380 (2009).</li>
<li>Resnik, L., Etter, K., Klinger, S. L., Kambe, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+virtual+reality+environment+to+facilitate+training+with+advanced+upper-limb+prosthesis%5BTitle%5D)+AND+%22Journal+of+Rehabilitation+Research+and+Development%22%5BJournal%5D)">Using virtual reality environment to facilitate training with advanced upper-limb prosthesis.</a> Journal of Rehabilitation Research and Development. 48 (6), 707-718 (2011).</li>
<li>Bouwsema, H., van der Sluis, C. K., Bongers, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+role+of+order+of+practice+in+learning+to+handle+an+upper-limb+prosthesis%5BTitle%5D)+AND+%22Archives+of+Physical+Medicine+and+Rehabilitation%22%5BJournal%5D)">The role of order of practice in learning to handle an upper-limb prosthesis.</a> Archives of Physical Medicine and Rehabilitation. 89 (9), 1759-1764 (2008).</li>
<li>Bouwsema, H., vander Sluis, C. K., Bongers, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Learning+to+control+opening+and+closing+a+myoelectric+hand%5BTitle%5D)+AND+%22Archives+of+Physical+Medicine+and+Rehabilitation%22%5BJournal%5D)">Learning to control opening and closing a myoelectric hand.</a> Archives of Physical Medicine and Rehabilitation. 91 (9), 1442-1446 (2010).</li>
<li>Simon, A. M., Lock, B. A., Stubblefield, K. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Patient+training+for+functional+use+of+pattern+recognition-controlled+prostheses%5BTitle%5D)+AND+%22Journal+of+Prosthetics+and+Orthotics+JPO%22%5BJournal%5D)">Patient training for functional use of pattern recognition-controlled prostheses.</a> Journal of Prosthetics and Orthotics JPO. 24 (2), 56-64 (2012).</li>
<li>Stubblefield, K. A., Miller, L. A., Lipschutz, R. D., Kuiken, T. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Occupational+therapy+protocol+for+amputees+with+targeted+muscle+reinnervation%5BTitle%5D)+AND+%22The+Journal+of+Rehabilitation+Research+and+Development%22%5BJournal%5D)">Occupational therapy protocol for amputees with targeted muscle reinnervation.</a> The Journal of Rehabilitation Research and Development. 46 (4), 481(2009).</li>
<li>Amsüss, S., Roche, A. D., Göbel, P., Graimann, B., Farina, D., Aszmann, O. C. Regaining high functional, multiple degrees of freedom hand control following bionic reconstruction. , MyoElectric Controls Symposium. (2014).</li>
<li>Dosen, S., Muller, K. -R., Farina, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Myoelectric+Control+of+Artificial+Limbs%E2%80%94Is+There+a+Need+to+Change+Focus+%5BIn+the+Spotlight%5D%5BTitle%5D)+AND+%22IEEE+Signal+Processing+Magazine%22%5BJournal%5D)">Myoelectric Control of Artificial Limbs—Is There a Need to Change Focus [In the Spotlight].</a> IEEE Signal Processing Magazine. 29 (5), (2012).</li>
<li>Amsuess, S., Gobel, P., Graimann, B., Farina, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Multi-Class+Proportional+Myocontrol+Algorithm+for+Upper+Limb+Prosthesis+Control%3A+Validation+in+Real-Life+Scenarios+on+Amputees%5BTitle%5D)+AND+%22IEEE+Transactions+on+Neural+Systems+and+Rehabilitation+Engineering+%3A+A+Publication+of+the+IEEE+Engineering+in+Medicine+and+Biology+Society%22%5BJournal%5D)">A Multi-Class Proportional Myocontrol Algorithm for Upper Limb Prosthesis Control: Validation in Real-Life Scenarios on Amputees.</a> IEEE Transactions on Neural Systems and Rehabilitation Engineering : A Publication of the IEEE Engineering in Medicine and Biology Society. 4320(c), 1-11 (2014).</li>
<li>Light, C. M., Chappell, P. H., Kyberd, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Establishing+a+Standardized+Clinical+Assessment+Tool+of+Pathologic+and+Prosthetic+Hand+Function%3A+Normative+Data%2C+Reliability%2C+and+Validity%5BTitle%5D)+AND+%22Archives+of+Physical+Medicine+and+Rehabilitation%22%5BJournal%5D)">Establishing a Standardized Clinical Assessment Tool of Pathologic and Prosthetic Hand Function: Normative Data, Reliability, and Validity.</a> Archives of Physical Medicine and Rehabilitation. 83 (6), 776-783 (2002).</li>
<li>Wolpert, D. M., Ghahramani, Z., Jordan, M. I. An internal model for sensorimotor integration. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aWolpert%2C+DM+%22Science+%28New+York%2C+N.Y%29%22">Science (New York, N.Y)</a>. 269 (5232), 1880-1882 (1995).</li>
<li>Shadmehr, R., Mussa-Ivaldi, F. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptive+representation+of+dynamics+during+learning+of+a+motor+task%5BTitle%5D)+AND+%22The+Journal+of+Neuroscience+the+Official+Journal+of+the+Society+for+Neuroscience%22%5BJournal%5D)">Adaptive representation of dynamics during learning of a motor task.</a> The Journal of Neuroscience the Official Journal of the Society for Neuroscience. 14 (5 Pt 2), (1994).</li>
<li>Hogervorst, T., Brand, R. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mechanoreceptors+in+joint+function%5BTitle%5D)+AND+%22The+Journal+of+Bone+and+Joint+Surgery.+American+Volume%22%5BJournal%5D)">Mechanoreceptors in joint function.</a> The Journal of Bone and Joint Surgery. American Volume. 80 (9), 1365-1378 (1998).</li>
<li>Bosco, G., Poppele, R. E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Proprioception+from+a+spinocerebellar+perspective%5BTitle%5D)+AND+%22Physiological+Reviews%22%5BJournal%5D)">Proprioception from a spinocerebellar perspective.</a> Physiological Reviews. 81 (2), 539-568 (2001).</li>
<li>Iacoboni, M., Molnar-Szakacs, I., Gallese, V., Buccino, G., Mazziotta, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Grasping+the+intentions+of+others+with+one%E2%80%99s+own+mirror+neuron+system%5BTitle%5D)+AND+%22PLoS+Biology%22%5BJournal%5D)">Grasping the intentions of others with one’s own mirror neuron system.</a> PLoS Biology. 3 (3), 0529-0535 (2005).</li>
<li>Williams, J. H. G., Whiten, A., Waiter, G. D., Pechey, S., Perrett, D. I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+and+subcortical+mechanisms+at+the+core+of+imitation%5BTitle%5D)+AND+%22Social+Neuroscience%22%5BJournal%5D)">Cortical and subcortical mechanisms at the core of imitation.</a> Social Neuroscience. 2 (1), 66-78 (2007).</li>
<li>Allison, T., Puce, A., McCarthy, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Social+perception+from+visual+cues%3A+Role+of+the+STS+region%5BTitle%5D)+AND+%22Trends+in+Cognitive+Sciences%22%5BJournal%5D)">Social perception from visual cues: Role of the STS region.</a> Trends in Cognitive Sciences. 4 (7), 267-278 (2000).</li>
<li>Thompson, J. C., Hardee, J. E., Panayiotou, A., Crewther, D., Puce, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Common+and+distinct+brain+activation+to+viewing+dynamic+sequences+of+face+and+hand+movements%5BTitle%5D)+AND+%22NeuroImage%22%5BJournal%5D)">Common and distinct brain activation to viewing dynamic sequences of face and hand movements.</a> NeuroImage. 37 (3), 966-973 (2007).</li>
<li>Binkofski, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+fronto-parietal+circuit+for+object+manipulation+in+man%3A+Evidence+from+an+fMRI-study%5BTitle%5D)+AND+%22European+Journal+of+Neuroscience%22%5BJournal%5D)">A fronto-parietal circuit for object manipulation in man: Evidence from an fMRI-study.</a> European Journal of Neuroscience. 11 (9), 3276-3286 (1999).</li>
<li>Iacoboni, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Cortical+Mechanisms+of+Human+Imitation%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Cortical Mechanisms of Human Imitation.</a> Science. 286 (5449), 2526-2528 (1999).</li>
</ol>

Die Autoren erklären, keine konkurrierenden finanziellen Interessen ab.

Unsere Ergebnisse legen nahe, für den Teilnehmer in dieser Studie, dass strukturiertes Training geholfen Steuerung eines Multifunktionshandprothese zu verbessern während einer einzigen Sitzung. Das strukturierte Programm verwendet hier war eine Kombination von Nachahmung, Wiederholung und Verstärkung von Handbewegungen, dass der Teilnehmer nicht in der Lage, mit seinem traditionellen Handprothese zu vervollständigen. Obwohl die Teilnehmer höher mit seinem traditionellen Prothese im SHAP Test...

Austauschen von Handfunktion in Amputierte ist ein schwieriges Unterfangen. Koordinierende hoch qualifizierte Handbewegungen ist nicht eine angeborene Fähigkeit, und nimmt den Menschen Jahre des Lernens zu entwickeln. 1-5 Nach der traumatischen Verlust einer Hand, zu replizieren diese Fähigkeit durch prothetische Mittel ist keine triviale Aufgabe und kann eine Phase des anhaltenden Lernens erfordern . Prothetische Design und Schnittstellen Verfahren zu deren Kontrolle unterliegen einem raschen technologischen Innovationen, mit dem Ziel der Multifunktionssteuerung auf natürliche Weise. 6 Die Komplexität dieser Kontrollsysteme wesentlich erhöht, um mehr Funktionen für Amputierte bieten. Um eine genaue Kontrolle dieser Systeme zu gewährleisten und Verzicht auf neue Technologien zu verringern, muss eine angemessene Ausbildung zu etablieren. Dies ist wahrscheinlich erfolgreicher sein, wenn sie auf inhärente Lernstrategien der Amputierten basiert. Vision kann eine wichtige Rolle bei der le spielenArning von Handbewegungen. Verhaltensstudien haben gezeigt, dass durch die Beobachtung der Handlungen der anderen 7 oder mit visuellen Hinweisen 8, wehrfähigen Personen zu lernen und zu koordinieren, neue Bewegungen. Durch einen Prozess der Beobachtung, das Verständnis und die Ausführung von einer beobachteten Handlung, sind Individuen in der Lage, die Handlungen anderer zu imitieren. Spezifischen kortikalen Netzwerke, die eine spiegelNeuronenSystem (MNS) umfassen kann, wird angenommen, dass diese Funktion unterliegen, und kann eine Rolle bei der Steuerung Prothesen müssen. 9-11 Rolle aus Kunst könnte nicht nur auf die Ausführung von Verfahren, die bereits gesehen haben 12 tatsächlich beschränkt ist, sondern zusammen mit den MNS, ermöglichen den Ablauf der Bewegungen, die bisher nicht beobachtet wurden, aber von der Betrachtermotor repetoire extrapoliert., Kann nicht unter Nachahmung notwendigerweise ist eine angeborene Fähigkeit, sondern eine accruement der motorischen Fähigkeiten im Laufe der Zeit, die auf erfahrene und anspruchsvolle Handlungen führen. 13 Die strength beobachten Aktionen, über einfach nur vorzustellen, sie hat sich gezeigt, zu verbessern das Erlernen neuer Aufgaben. 14 So kann Nachahmung ein pragmatischer Ansatz bei der Ausbildung Amputierte sein, da Hinweise darauf, es ist ein Ziel gerichtet Prozess 15, mit dem Ziel in der Reha-Einstellung ermöglichen nützliche Handprothese Funktion. Rehabilitation Studien separat gezeigt, dass visuelle Hinweise, wie virtuelle Simulationen eines Prothesenhand, ermutigen Amputierten während des Reha-Training. 16 Darüber hinaus hat die Verwendung von Wiederholung, wenn sie in einem blockierten Paradigma durchgeführt wurde gezeigt, schnelles Lernen der oberen Gliedmaßen prothetischen aktivieren Steuer. 17 Während virtuelle Simulationen haben sich als ebenso wirksam wie wirkliche Kontrolle der prothetischen Hände in ermöglicht abled-Körper-Nutzer myoelektrischen Geräte zu steuern, ist 18 ihre Wirkung auf die Amputierten mit standardisierten Ergebnismessungen nicht klar. Schließlich wird gegebenen Protokolle zur oberen Extremität AMPUtation Ausbildung vorhanden ist, die Rolle der Imitation im Lern von Prothesensteuerung nicht explizit diskutiert. 19,20 Diese Studie zielt darauf ab, das Verständnis, wenn die Verwendung von Nachahmung, in Kombination mit Wiederholung und Verstärkung, hat eine positive Auswirkung auf den Lern ​​multifunktionaler Prothesensteuerung im Rahmen einer strukturierten Ausbildung. Hier präsentiert wird, ist ein Fallbericht eines transradialen Amputierten, die ausgebildet wurde, um eine multifunktionale Handprothese zu verwenden. Der Teilnehmer hatte zuvor daran gewöhnt, arbeitet traditionellen myoelektrische Prothesen zu werden. Verwenden von visuellen Hinweisen, sowohl in Form von Imitation eines gesunden Demonstrator und so einfach Computer visuelle Rückmeldung, der Amputierte schnell verbesserte Handhabung von seinem neuen Gerät.

<table><tbody><tr><td>Michelangelo Hand</td><td>Otto Bock Healthcare Products GmbH, A</td><td>8E500=L-M</td><td></td></tr><tr><td>AxonRotation</td><td>Otto Bock Healthcare Products GmbH, A</td><td>9S503</td><td></td></tr><tr><td>Handgelenkbeuger</td><td>Otto Bock Healthcare Products GmbH, Ein</td><td></td><td>Prototyp</td></tr><tr><td>Einheit AxonMaster</td><td>Otto Bock Healthcare Products GmbH, A</td><td>13E500</td><td></td></tr><tr><td>Elektrode</td><td>Otto Bock Healthcare Products GmbH, A</td><td>13E200=50AC</td><td></td></tr><tr><td>SchereZaunElektrodeTräger</td><td>Otto Bock Healthcare Products GmbH, Ein</td><td></td><td>Prototyp</td></tr><tr><td>einer Einheit Acquisition</td><td>Software Otto Bock Healthcare Products GmbH, eine</td><td></td><td>Prototyp einer</td></tr> Einheit <tr><td>von Carbon shaft</td><td>Otto Bock Healthcare Products GmbH, eine</td><td></td><td>Prototypeinheit</td></tr></tbody></table>

eine strukturierte rehabilitation protokoll zur verbesserung der multifunktions prosthetic steuerung: eine fallstudie

A Structured Rehabilitation Protocol for Improved Multifunctional Prosthetic Control: A Case Study

Fortschritte in der Robotersysteme haben in Prothesen der oberen Extremität, die multifunktionelle Bewegungen erzeugen kann, geführt. Diese ausgeklügelte Systeme erfordern jedoch oberen Extremität Amputierten, um komplexe Steuersysteme zu lernen. Die Menschen haben die Fähigkeit, neue Bewegungen durch Nachahmung und andere Lernstrategien zu lernen. Dieses Protokoll beschreibt einen strukturierten Rehabilitationsmethode, die Nachahmung, Wiederholung und Reinforcement Learning umfasst, und zielt darauf ab, zu beurteilen, ob diese Methode können multifunktionale Prothesensteuerung zu verbessern. Ein links unten Ellbogen Amputierten, mit 4 Jahre Erfahrung in der prothetischen Verwendung, nahm an dieser Fallstudie. Das verwendete Prothese war Michelangelo Hand mit Handgelenk Rotation, und die zusätzlichen Features der Handgelenk Flexion und Extension, die mehr Kombinationen von Handbewegungen erlaubt. Des Teilnehmers Southampton Hand Bewertungsverfahren Punktzahl verbessert 58-71 folgenden strukturierten Ausbildung. Dies deutet darauf hin, dass eine strukturierte Ausbildung Protokoll imitation, Wiederholung und Verstärkung kann eine Rolle bei Lernen, um eine neue Handprothese steuern. Eine größere klinische Studie ist jedoch erforderlich, um diese Ergebnisse zu unterstützen.

Die Baseline-SHAP Leistung der Teilnehmer mit seinem täglichen Prothese war 81, als durch die klinische Personal 8 Monate vor dem Test gemessen. Ein SHAP Score von 100 stellt fähigen Handfunktion. 24 der Teilnehmer während der naiv-Sitzung mit dem fortgeschritteneren Prothese Kontrollsystem hat eine Gesamtpunktzahl von 58 SHAP. Allerdings, 3 Monate später und ohne weitere Interaktion mit dem neuen System, abgesehen von der strukturierten Ausbildung, erreicht der Teilnehmer eine SHAP Punktzahl von 71 mit der g...

Da sich die Entwicklung von Prothesen dem Ziel der natürlichen Kontrolle nähert, kann die Nutzung der angeborenen Fähigkeit von Amputierten, neue motorische Fähigkeiten zu erlernen, die Leistungsfähigkeit ermöglichen. Dieses Manuskript beschreibt ein strukturiertes Rehabilitationsprotokoll, das Imitations-, Wiederholungs- und Reinforcement-Learning-Strategien umfasst, um die multifunktionale prothetische Kontrolle zu verbessern.

Eine strukturierte Rehabilitation Protokoll zur Verbesserung der Multifunktions Prosthetic Steuerung: Eine Fallstudie

Advances in robotic systems have resulted in prostheses for the upper limb that can produce multifunctional movements. However, these sophisticated ...

Das übergeordnete Ziel dieses Verfahrens besteht darin, Amputierten des oberen Extremitätentrainings den Umgang mit fortschrittlichen prothetischen Gliedmaßen beizubringen. Dies wird erreicht, indem die dem Patienten eigenen Lernstrategien zur Steuerung der Rehabilitation genutzt werden. Der erste Schritt besteht darin, dass der Patient Bewegungen, die von einem Demonstrator vorgeführt werden, nachahmt und wiederholt.Anschließend arbeitet der Patient mit einem Computersystem zusammen, um das Lernen zu vertiefen und Algorithmen für die Steuerung der Prothese zu trainieren. Der letzte Schritt besteht darin, dass der Patient ein fortschrittliches prothetisches Gliedmaßen selbstständig steuert. Letztendlich wird durch strukturiertes Rehabilitations-Training aufgezeigt, dass die Nutzung der angeborenen Lernstrategien von Amputierten die Beherrschung fortschrittlicher Prothesen verbessert.Die Idee zu dieser Methode hatte ich ursprünglich, als wir versuchten, einen Amputierten im Umgang mit einem fortschrittlichen prothetischen Gliedmaßen zu schulen. Leider erwiesen sich die bestehenden Mustererkennungsmethoden als nicht wirksam. Die visuelle Demonstration dieser Methode ist entscheidend, da die Methode selbst vollständig visuell ist, und es ist wichtig, dass sowohl Kliniker als auch Ingenieure sie bei der Patientenschulung – und nicht nur bei der Entwicklung von Algorithmen – berücksichtigen.Beginnen Sie damit, eine maßgefertigte Aufnahme und Prothese an den Teilnehmer anzupassen. Kalibrieren Sie die Prothetik-Hardware und verwenden Sie die gesammelten Kalibrierungsdaten zur Steuerung der Prothese. Geben Sie dem Teilnehmer keine formale Schulung, weisen Sie ihn jedoch an, dass er acht Aktionen durchführen wird, darunter einen Ruhezustand mit dem prothetischen Gliedmaßen, der die Steuerung eines visuellen Ziels auf einem Computerbildschirm ermöglicht.Zeigen Sie ein statisches Bild der Bewegung auf dem Bildschirm an und bitten Sie den Teilnehmer, einem visuellen Hinweis zu folgen. Zeigen Sie anschließend dem Teilnehmer die individuellen und spezifischen Polardiagramme, die ihren Elektromyographie- (EMG-)Mustern entsprechen. Ermutigen Sie den Teilnehmer, indem Sie auf den Bildschirm zeigen, dem visuellen Hinweis zu folgen.Wiederholen Sie die Aufgabe dreimal mit verschiedenen Armpositionen: entspanntes Greifen nach vorne und Greifen über den Körper. Um das Systemtraining zu verbessern, führen Sie alle acht Aktionen und drei Kraftstufen für jede Armposition durch, um insgesamt 72 einzelne Proben für das Systemtraining zu sammeln.Nach Abschluss des Trainings die Trainingsdatensätze aus dieser Sitzung verwenden, um die Prothese zu kalibrieren und anzupassen, sodass die Versuchsperson die Echtzeitsteuerung üben kann. Der Versuchsperson ermöglichen, die Prothese entweder über sequenzielle proportionale Steuerung oder nacheinander einzelne Bewegungen auszuführen, wobei die Geschwindigkeit des Geräts proportional zu den Muskelkontraktionsstärken ist. Sobald jede der acht Aktionen wiederholt und zuverlässig ausgeführt werden kann, die Steuerungsart auf proportionale und gleichzeitige Steuerung umschalten, wodurch mehr als eine Handgelenkbewegung gleichzeitig möglich ist.Danach übt der/die Teilnehmer/in einfache Aufgaben wie das Aufheben eines einfachen Gegenstands und das Hinlegen auf die Seite. Gewähren Sie zwei Stunden Ruhepause. Vor der Durchführung der Ergebnisbewertung bewerten Sie die Leistung des/der Teilnehmers/in mit dem Southampton Hand Assessment Procedure oder dem SHA Outcome Measure.Vergleichen Sie die SHAP-Scores mit einem Baseline-Maß mithilfe des standardmäßigen Prothesensystems des Teilnehmers. Stellen Sie sicher, dass der Teilnehmer nach Abschluss der Naiv-Sitzung keinen Zugang zur individuell angepassten Prothese und zu den Steuerungsalgorithmen hat. Drei Monate nach der durchgeführten Naiv-Sitzung gliedern Sie die strukturierte Trainingssitzung in der folgenden Reihenfolge: Imitation, Wiederholung, Verstärkung und Prothesensteuerung.Bei der Imitation weisen Sie den Teilnehmer an, die gewünschten acht Aktionen, die der Demonstrierende in Echtzeit ausführt, direkt nachzuahmen. Dazu setzen Sie den Teilnehmer in einem Winkel von 45 Grad zum Demonstrierenden und gewährleisten eine freie Sicht auf die Hand des Demonstrierenden, die der betroffenen Seite des Teilnehmers entspricht. Führen Sie jede Aktion drei Sekunden lang aus.Zur Wiederholung: Bitten Sie den Teilnehmer, die nachgeahmte Aktion 10-mal für 30 Sekunden zu wiederholen. Ohne visuelle Hinweise beobachten Sie die entsprechende EMG-Aktivität, dargestellt durch die Polardiagramme jeder Bewegung.Dann zur Verstärkung dem Teilnehmer visuelles Feedback seiner acht Aktionen genau in der Form präsentieren, wie es in der naiven Sitzung gezeigt wurde. Den Teilnehmer auffordern, die Aktionen durchzuführen, während er die Echtzeit-Polarplots mit überlagerten Aufzeichnungen der Bewegungen betrachtet, um das Lernen zu festigen. Sicherstellen, dass das Verstärkungstraining exakt dem Training der naiven Sitzung entspricht.Nach Abschluss des Trainings verwenden Sie die Trainingsdatensätze dieser Sitzung, um die Prothese zu kalibrieren und anzupassen, sodass der Teilnehmer die Echtzeitsteuerung üben kann. Ermöglichen Sie dem Teilnehmer die freie Steuerung der Prothese entweder durch sequenzielle proportionale Steuerung oder durch jeweils eine Bewegung, wobei die Geschwindigkeit des Geräts proportional zu den Muskelkontraktionsgraden ist. Sobald jede der acht Aktionen wiederholbar und zuverlässig ausgeführt wird, wechseln Sie das Steuerungsschema zur proportionalen und simultanen Steuerung, wodurch mehr als eine Handgelenkbewegung gleichzeitig möglich ist, und lassen Sie den Teilnehmer einfache Aufgaben üben, wie beispielsweise das Aufheben eines einfachen Gegenstands und das Hinlegen auf dessen Seite.24 Stunden Ruhezeit einhalten, bevor die Ergebnisbewertung durchgeführt wird. Abschließend die Leistung des Teilnehmers anhand des SHAP-Ergebnismaßes bewerten. Die SHAP-Scores mit einem Basiswertvergleich unter Verwendung der Standardprothese des Teilnehmers vergleichen.Dieses Protokoll beschreibt eine strukturierte Rehabilitationsmethode, die Imitations-, Wiederholungs- und Verstärkungslernstrategien zur Verbesserung der multifunktionalen prothetischen Steuerung umfasst. Hier werden SHAP-Scores zwischen der Basis-Schulungsphase und der strukturierten Trainingsphase verglichen. Die Ergebnisse des SHAP-Outcome-Tests zeigten, dass die größten Verbesserungen bei Aufgaben erzielt wurden, die Beuge- und Streckbewegungen des Handgelenks erforderten, wobei dieses neue Steuersystem und die angepasste Prothese im Vergleich zur Standardprothese des Teilnehmers Vorteile boten.Nach diesem Verfahren können Amputierte der oberen Extremität schnell lernen, gleichzeitige Bewegungen eines fortschrittlichen prothetischen Gliedes zu steuern, wobei sie die Sicherheit und Stabilität der traditionellen proportionalen Steuerung bei allen Bewegungen beibehalten.

a-structured-rehabilitation-protocol-for-improved-multifunctional

Research

Forschung

JoVE Journal

Behavior

Verhalten

Neural-Maschine-Schnittstellen (NMI) wurden entwickelt, um Bewegungsmodus des Benutzers zu identifizieren. Diese NMI sind potentiell nützlich für neuronale Steuerung von Geräten und künstlichen Beinen, aber noch nicht vollständig nachgewiesen. Dieses Papier präsentiert (1) unsere Engineering-Plattform entwickelt, für die einfache Implementierung und Entwicklung von neuronalen Steuerung für Motorbeinprothesen und (2) einem Versuchsaufbau und Protokoll in einer Laborumgebung zu neural gesteuerte...

Technische Plattform und experimentelles Protokoll für Entwurf und Evaluation eines Neural-kontrollierten Powered Oberschenkelprothese

Optimale funktionelle Ergebnisse nach bionischer Rekonstruktion bei Patienten mit globaler Brachialplexusverletzung hängen von einem strukturierten Rehabilitationsprotokoll ab. Oberflächenelektromyographisches geführtes Training kann die Amplitude, Trennung und Konsistenz von EMG-Signalen verbessern, die - nach wahlloser Amputation einer funktionslosen Hand - eine prothetische Hand steuern und antreiben.

Surface Electromyographic Biofeedback als Rehabilitationswerkzeug für Patienten mit globaler Brachial-Plexus-Verletzung, die eine bionische Rekonstruktion erhalten

Hier stellen wir ein Protokoll zur motorischen Rehabilitation von Patienten mit schweren Nervenverletzungen und selektiver Nerventransferchirurgie vor. Es zielt darauf ab, die motorische Funktion wiederherzustellen, die mehrere Stadien in der Patientenerziehung, Frühphasentherapie nach Operationen und Interventionen zur Rehabilitation nach erfolgreicher Re-Innervation des Nervenziels vorschlägt.

Strukturierte Motorrehabilitation nach selektiven Nerventransfers

Diese Studie berichtet über die Entwicklung eines neuartigen robotergestützten aufgabenorientierten Programms zur Handrehabilitation. Der Entwicklungsprozess besteht aus Experimenten mit gesunden Probanden und Probanden, die einen Schlaganfall hatten und an einer nachfolgenden Motorkontrollfunktionsstörung litten.

Entwicklung eines neuartigen aufgabenorientierten Rehabilitationsprogramms mit einer bimanualen Exoskelett-Roboterhand

Diese Arbeit präsentiert ein Protokoll zur Verbesserung der prothetischen Funktion nach einer selektiven Nerventransferoperation. Rehabilitationsmaßnahmen umfassen Patienteninformation und -auswahl, Unterstützung der Wundheilung, kortikale Reaktivierung von sensomotorischen Bereichen der oberen Extremität, Training der selektiven Muskelaktivierung, prothetische Handhabung im täglichen Leben und regelmäßige Nachuntersuchungen.

Therapieinterventionen für Amputierte der oberen Extremitäten, die sich einem selektiven Nerventransfer unterziehen

Dieses Protokoll führt eine flexible, tragbare, überzählige Robotergliedmaße ein, die auf die Unterstützung der Fingerrehabilitation von Schlaganfallpatienten zugeschnitten ist. Das Design enthält einen Biegesensor, um eine nahtlose Mensch-Roboter-Interaktion zu ermöglichen. Die Validierung durch Experimente sowohl mit gesunden Probanden als auch mit Schlaganfallpatienten unterstreicht die Wirksamkeit und Zuverlässigkeit der vorgeschlagenen Studie.

Ein flexibles, tragbares, überzähliges Roboterglied für Patienten mit chronischem Schlaganfall

Es wird geschätzt, dass 1 von 6 Menschen weltweit in ihrem Leben einen Schlaganfall erleiden wird, der zu langfristigen Behinderungen führt, deren Rehabilitationsmechanismen noch wenig verstanden sind. Diese Studie schlägt ein Protokoll zur Bewertung der Gehirnaktivierung durch funktionelle Nahinfrarotspektroskopie (fNIRS) während einer Robotertherapiesitzung der unteren Extremitäten vor.

Ein Experiment mit funktioneller Nahinfrarotspektroskopie und robotergestützten Mehrgelenk-Zeigebewegungen der unteren Extremität

Dieses Protokoll beschreibt einen Rehabilitationsroboter für die oberen Gliedmaßen, der durch vier Modi intelligentes Feedback liefert. Diese Modi verbessern die Funktion und Flexibilität der oberen Gliedmaßen und verbessern so die Lebensqualität der Patienten.

Verbesserung der Funktion und der motorischen Fähigkeiten der oberen Gliedmaßen nach einem Schlaganfall durch einen Rehabilitationsroboter für die oberen Gliedmaßen

Dieses Versuchsprotokoll beschreibt den Einsatz eines dualen, aufgabenorientierten Robotersystems für die oberen Gliedmaßen für Schlaganfallpatienten mit Funktionsstörungen der oberen Extremitäten. Die Ergebnisse deuten darauf hin, dass dieses System die Funktion der oberen Gliedmaßen und die Aktivitäten im täglichen Leben von Schlaganfallpatienten erheblich verbessern kann.

Anwendung eines dualen aufgabenorientierten Robotersystems der oberen Extremität zur funktionellen Wiederherstellung der oberen Extremität bei Schlaganfallpatienten

Dieses Protokoll zielt darauf ab, die klinische Wirksamkeit und den Patientenkomfort bei der Verwendung von Rehabilitationsrobotern am Bett der unteren Gliedmaßen zur Rehabilitation nach Schlaganfall zu bewerten, wobei die Ergebnisse mit den traditionellen manuellen Therapien durch randomisierte kontrollierte Studien verglichen werden.

Anwendung von Rehabilitationsrobotern für untere Extremitäten am Bett in der Schlaganfallrehabilitation: Eine randomisierte kontrollierte Studie

Lernen Sie ein strukturiertes Rehabilitationsprotokoll zur Verbesserung der multifunktionalen Prothesensteuerung bei Oberarmamputierten durch Imitation, Wiederholung und Verstärkungslernen.

Eine strukturierte Rehabilitation Protokoll zur Verbesserung der Multifunktions Prosthetic Steuerung: Eine Fallstudie

Weitere Videos entdecken